[論文レビュー] Accurate Computation of the Distribution of Sums of Dependent Log-Normals with Applications to the Black-Scholes Model

Zdravko I. Botev, Robert Salomone+1 more|arXiv (Cornell University)|May 9, 2017

Probability and Risk Models被引用数 4

ひとこと要約

本稿は、金融リスクモデリングおよびオプションプライシングにおいて重要な、相関のある対数正規確率変数の和の累積分布関数（CDF）、確率密度関数（PDF）、および補完的CDF（右裾）を正確に推定するための新しいモンテカルロ手法を提案する。この手法は、条件付きモンテカルロおよび準モンテカルロ技術を活用することで、特に裾の部分において優れた精度と効率を達成し、第二階層効率性と左裾における相対誤差の消滅を理論的に保証する。

ABSTRACT

We present a new Monte Carlo methodology for the accurate estimation of the distribution of the sum of dependent log-normal random variables. The methodology delivers statistically unbiased estimators for three distributional quantities of significant interest in finance and risk management: the left tail, or cumulative distribution function, the probability density function, and the right tail, or complementary distribution function of the sum of dependent log-normal factors. In all of these three cases our methodology delivers fast and highly accurate estimators in settings for which existing methodology delivers estimators with large variance that tend to underestimate the true quantity of interest. We provide insight into the computational challenges using theory and numerical experiments, and explain their much wider implications for Monte Carlo statistical estimators of rare-event probabilities. In particular, we find that theoretically strongly-efficient estimators should be used with great caution in practice, because they may yield inaccurate results in the pre-limit. Further, this inaccuracy may not be detectable from the output of the Monte Carlo simulation, because the simulation output may severely underestimate the true variance of the estimator.

研究の動機と目的

• 高次元または裾の領域において、相関のある対数正規確率変数の和の分布を信頼性があり正確に計算するための手法の不足に取り組む。
• 対数正規因子間に正の相関がある状況において、高い分散と過小評価を示す既存のモンテカルロ推定量の限界を克服する。
• CDF、PDF、および右裾（補完的CDF）を、非漸近的領域を含む分布全体の範囲で、一元的な枠組みで効率的に推定するフレームワークを構築する。
• アジア・オプションの価格設定や、相関のある資産を想定するブラック・ショールズモデル下でのバリューアットリスクの計算といった、実践的金融応用における頑健性と正確性を確保する。
• シミュレーションから標準誤差を信頼的に推定できる理論的裏付けを有する第二階層効率推定量を提供する。

提案手法

• 最大成分を条件とすることで、相関のある対数正規和の分解を可能にする条件付きモンテカルロアプローチを提案し、より正確な裾の推定を実現する。
• 変換測度技術と重要度サンプリングを組み合わせ、CDFの左裾に対して漸近的効率な推定量を構築する。
• PDFの推定量として、滑らかで無限回微分可能であるものを導入し、標準的な $\mathcal{O}(\sqrt{n})$ のレートを超えるQMC（準モンテカルロ）環境下での加速収束を可能にする。
• 第二階層効率性の理論的根拠を支えるために、対数正規分布の精密な裾の漸近的性質（補題2）を導出する。
• 2変量正規分布の裾確率に関する補題（補題4）を用いて、同時裾確率が個々の裾確率よりも速く減少することを示し、厳密な誤差制御を可能にする。
• 数値実験と理論的分析を通じて推定量の性能を検証し、相関がある状況では既存手法と比較して桁違いに優れていることを示す。

実験結果

リサーチクエスチョン

• RQ1 なぜ既存のモンテカルロ推定量は、相関のある対数正規和の右裾において失敗するのか。正の相関が原因で高分散と過小評価が生じるメカニズムは何か。
• RQ2 分布のすべての領域で、CDF、PDF、および右裾の和の推定が正確に行える、1つのモンテカルロ推定量を構築可能か。
• RQ3 レアイベント確率のモンテカルロ推定量が、漸近的効率性に加え、第二階層効率性を満たすために必要な条件は何か。これにより、シミュレーション出力からの標準誤差の信頼性ある推定が可能になる。
• RQ4 PDF推定量の滑らかさが、QMCシミュレーションにおける収束速度に与える影響は何か。なぜこの性質が本手法に特有のものであるのか。
• RQ5 裾の漸近的性質の理論的精緻化は、相関のある対数正規モデルにおける稀イベントシミュレーションの正確性と頑健性をどの程度向上できるか。

主な発見

• 提案されたCDF推定量は、漸近的効率性に加え、左裾において相対誤差が消滅する強力な効率性を有し、裾がより極端になるにつれて精度が向上することを保証する。
• PDF推定量はモデルパラメータに関して無限に滑らかであり、QMCシミュレーションにおける収束速度が標準的な $\mathcal{O}(\sqrt{n})$ のレートを上回る。これは、競合手法に比べて顕著な利点である。
• 金融リスクモデルで一般的な正の相関を持つ対数正規因子を想定する状況では、提案された右裾推定量は、既存手法と比較して数桁の精度向上を達成する。一方、既存手法は分散が爆発的に増大する。
• 理論的分析により、推定量が第二階層効率的であることが証明され、標準誤差がシミュレーション出力から信頼的に推定可能である。これは、従来の手法には欠如していた性質である。
• 数値実験により、多くの既存推定量が正の相関下で著しく失敗することが確認された。これは、独立性下では良好に機能するが、相関があると崩壊する例を示している。
• 精密化された裾の漸近的性質（補題2）と2変量正規分布の裾の補題（補題4）は、推定量の第二階層効率性と高次元・相関のある設定下での頑健性を裏付ける理論的基盤を提供する。